网络入侵检测中的自动决定聚类数算法

被引：47

作者：

肖立中 ^{[1
]}

邵志清 ^{[2
]}

马汉华 ^{[2
]}

王秀英 ^{[2
]}

刘刚 ^{[2
]}

机构：

[1] 上海应用技术学院计算机科学与信息工程系

[2] 华东理工大学信息科学与工程学院

来源：

软件学报 | 2008年 / 08期

关键词：

模糊C均值算法; 支持向量机; 模糊成员函数; 聚类数; 入侵检测;

D O I：

暂无

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

针对模糊C均值算法(fuzzy C-means algorithm,简称FCM)在入侵检测中需要预先指定聚类数的问题,提出了一种自动决定聚类数算法(fuzzy C-means and support vector machine algorithm,简称F-CMSVM).它首先用模糊C均值算法把目标数据集分为两类,然后使用带有模糊成员函数的支持向量机(support vector machihe,简称SVM)算法对结果进行评估以确定目标数据集是否可分,再迭代计算,最终得到聚类结果.支持向量机算法引入模糊C均值算法得出的隶属矩阵作为模糊成员函数,使得不同的输入样本可以得到不同的惩罚值,从而得到最优的分类超平面.该算法既不需要对训练数据集进行标记,也不需要指定聚类数,因此是一种真正的无监督算法.在对KDD CUP 1999数据集的仿真实验结果表明,该算法不仅能够得到最佳聚类数,而且对入侵有较好的检测效果.

引用

页码：2140 / 2148

页数：9

共 4 条

[1] 基于FCM的无监督纹理分割 [J].